NEW
Font size
S
M
L
XL
WorksheetsРОИО
Total questions: 79
Worksheet time: 26mins
Name
Class
Date
1.
Для каждого прецедента задаётся пара «ситуация, требуемое решение»
a)
Глубокое обучение
b)
Метод опорных векторов
c)
Обучение с учителем
d)
Искусственная нейронная сеть
2.
Это запуск модели, уже обученной на тестовой выборке
a)
унификация
b)
Тестирование
c)
рекурсия
d)
анализ
3.
Увеличивается каждый раз, когда мы проходим весь набор тренировочных сетов
a)
тренировочный сет
b)
итерация
c)
эпоха
d)
функция
4.
Способность машины или программы находить решения при помощи вычислений
a)
Искусственный интеллект
b)
Нейронные сети
c)
Глубокое обучение
d)
Большие данные
5.
Общее количество тренировочных сетов, пройденных нейронной сетью
a)
эпоха
b)
тренировочный сет
c)
итерация
d)
ошибка
6.
Среднеквадратичная ошибка
a)
MSE
b)
MCE
c)
Root MSE
d)
NSE
7.
Используется в Google, когда вы ищете фото или в камерах телефонов, когда оно определяет положение вашего лица и выделяет его и многое другое
a)
Предсказание
b)
Классификация
c)
Нейронные сети
d)
Распознавание
8.
Попытка научить компьютеры самостоятельно обучаться на большом количестве данных вместо жестко постулированных правил
a)
Глубокое обучение
b)
Машинное обучение
c)
Нейронные сети
d)
Искусственный интеллект
9.
Выполняется с помощью обучения с учителем на этапе собственно обучения
a)
Классификация
b)
Прогнозирование
c)
Кластеризация
d)
Регрессия
10.
Машинное обучение с использованием наборов данных без определенной структуры
a)
Кластеризация
b)
Классификация
c)
Неконтролируемое обучение
d)
Глубокое обучение
11.
Вычислительная единица, которая получает информацию, производит над ней простые вычисления и передает ее дальше
a)
Нейрон
b)
Слой
c)
Аксон
d)
Дендрит
12.
Позволяет обучать ИИ предсказывать результаты по набору входных данных
a)
Нейронные сети
b)
Кластеризация
c)
Классификация
d)
Глубокое обучение
13.
Выполняется с помощью обучения без учителя
a)
Классификация
b)
Кластеризация
c)
Регрессия
d)
Прогнозирование
14.
Система, основанная на технологии искусственного интеллекта и робототехники
a)
Система машинного зрения
b)
Регрессия
c)
Нейронные сети
d)
Кластеризация
15.
Возможность предсказывать следующий шаг
a)
Предсказание
b)
Распознавание
c)
Функция активации
d)
Нейронные сети
16.
Распределение данных по параметрам
a)
Распознавание
b)
Функция активации
c)
Предсказание
d)
Классификация
17.
Выполняет все низкоуровневые вычисления и преобразования и служит своеобразным движком, математическим ядром
a)
TensorFlow
b)
Keras
c)
Awt
d)
IO
18.
Связи между нейронами имеют …, определяемый важностью элемента входных данных
a)
длину
b)
синапс
c)
вес
d)
дендрит
19.
Подразумевает использование помеченных наборов данных, содержащих входные данные и ожидаемые выходные результаты
a)
Неконтролируемое обучение
b)
Функция активации
c)
Глубокое обучение
d)
Контролируемое обучение
20.
Способ нормализации входных данных
a)
Неконтролируемое обучение
b)
Функция активации
c)
Глубокое обучение
d)
Контролируемое обучение
21.
Для каждого прецедента задаётся только «ситуация», требуется сгруппировать объекты в кластеры
a)
Искусственная нейронная сеть
b)
Метод опорных векторов
c)
Обучение без учителя
d)
Обучение с учителем
22.
Процентная величина, отражающая расхождение между ожидаемым и полученным ответами
a)
эпоха
b)
ошибка
c)
тренировочный сет
d)
итерация
23.
Последовательность данных, которыми оперирует нейронная сеть
a)
эпоха
b)
ошибка
c)
тренировочный сет
d)
итерация
24.
Используются для решения сложных задач, которые требуют аналитических вычислений подобных тем, что делает человеческий мозг
a)
Распознавание
b)
Классификация
c)
Функция активации
d)
Нейронные сети
25.
При инициализации нейронной сети эта величина устанавливается в 0 и имеет потолок, задаваемый вручную
a)
Итерация
b)
Эпоха
c)
Тренировочный сет
d)
Анализ
26.
Основные функций активации
a)
Гиперболический тангенс
b)
Линейная, Гиперболический тангенс
c)
Линейная, Сигмоид (Логистическая)
d)
Линейная, Сигмоид (Логистическая), Гиперболический тангенс
27.
Научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности
объекта к одному из классов объектов
a)
Распознавание образов
b)
Распознавание речи
c)
Распознавание цифр
d)
Распознавание лиц
28.
Часть весов определяется посредством обучения с учителем, а другая часть получается с помощью алгоритмов самообучения
a)
со смешанным обучением
b)
с наблюдаемым обучением
c)
обучаемые без учителя
d)
со синхронным обучением
29.
Выполняется с помощью обучения с учителем на этапе тестирования, является частным случаем задач прогнозирования
a)
Сигмоид
b)
Классификация
c)
Кластеризация
d)
Регрессия
30.
Своеобразный счетчик, который увеличивается каждый раз, когда нейронная сеть проходит один тренировочный сет
a)
Анализ
b)
Итерация
c)
Вычисление
d)
Эпоха
31.
Когда нейросеть состоит из большого количества нейронов, вводят термин
a)
синапса
b)
фрейма
c)
веса
d)
слоя
32.
Используется, когда не для всех примеров обучающей выборки известны правильные ответы
a)
со смешанным обучением
b)
. со синхронным обучением
c)
с наблюдаемым обучением
d)
обучаемые без учителя
33.
Разность между известным значением результата и реакцией сети используется для корректировки весовых коэффициентов
a)
смешанное обучение
b)
обучение без учителя
c)
правило коррекции по ошибке
d)
правило обратного распространения ошибки
34.
Ошибку можно вычислить тремя основными способами
a)
MSM, Root MSE, Arctan
b)
MSE, Root MSE, Arctan
c)
MSE, Root MSE, Arctang
d)
MSE, Root MSM, Arctan
35.
У синапсов есть 1 параметр
a)
дуга
b)
вершина
c)
вес
d)
слой
36.
Это самая распространенная функция активации, ее диапазон значений [0,1]
a)
Сигмоид (Логистическая)
b)
Тригонометрическая функция
c)
Гиперболический тангенс
d)
Линейная функция
37.
Все примеры обучающей выборки содержат правильные ответы (выходы), соответствующие исходным данным (входам)
a)
обучаемые с учителем
b)
со синхронным обучением
c)
с наблюдаемым обучением
d)
со смешанным обучением
38.
Если нейроны с обеих сторон синапса активизируются одновременно и регулярно, то сила синаптической связи возрастает
a)
синхронное обучение
b)
обучение без учителя
c)
правило обратного распространения ошибки
d)
правило коррекции по ошибке
39.
Под объектами в распознавании образов (англ. pattern) понимают
a)
задача регресии
b)
задача классификации
c)
семантическая классификация
d)
семантическая кластеризация
40.
При обучении корректировка распространяется обратно по сети на все весовые коэффициенты
a)
правило коррекции по ошибке
b)
синхронное обучение
c)
смешанное обучение
d)
правило обратного распространения ошибки
41.
Необходимо выявить классы объектов в процессе решения
a)
семантическая кластеризация
b)
семантическая классификация
c)
задача классификации
d)
задача кластеризации
42.
Эта функция используется, когда ваши значения могут быть и отрицательными, и положительными, так как диапазон функции [-1,1]
a)
Арифметическая функция
b)
Гиперболический тангенс
c)
Линейная функция
d)
Сигмоид (Логистическая)
43.
Классы объектов могут быть заранее выделены
a)
семантическая классификация
b)
задача регресии
c)
задача классификации
d)
задача кластеризации
44.
Искусственная нейронная сеть состоит из нескольких …, в которые группируются нейроны
a)
слоев
b)
дендритов
c)
весов
d)
сетей
45.
Эта функция используется, когда нужно протестировать нейронную сеть или передать значение без преобразований
a)
сетей
b)
Гиперболический тангенс
c)
Тригонометрическая функция
d)
Линейная функция
46.
Каждый нейрон имеет отростки нервных волокон двух типов
a)
дендриты, аксон
b)
волокна, аксон
c)
синапсы, аксон
d)
дендриты, импульс
47.
Переводиться как среднеквадратичная ошибка
a)
Root MSE
b)
Среднеквадратическое отклонение
c)
Сигмоид
d)
MSE(Mean Squared Error)
48.
Это процентная величина, отражающая расхождение между ожидаемым и полученным ответами
a)
Тренировочный сет
b)
Итерация
c)
Ошибка
d)
Анализ
49.
Сетью без обратных связей называется сеть.
a)
у которой нет синаптических связей, идущих от выхода некоторого нейрона к входам этого же нейрона или нейрона из предыдущего слоя
b)
все слои которой соединены иерархически
c)
у которой есть синаптические связи
50.
Какие сети характеризуются отсутствием памяти?
a)
без обратных связей
b)
однослойные
c)
многослойные
d)
обратными связями
51.
Входом персептрона являются.
a)
вектор, состоящий из действительных чисел
b)
значения 0 и 1
c)
вектор, состоящий из нулей и единиц
52.
Теорема о двухслойности персептрона утверждает, что.
a)
любой многослойный персептрон может быть представлен в виде двухслойного персептрона
b)
в любом многослойном персептроне могут обучаться только два слоя
c)
способностью к обучению обладают персептроны, имеющие не более двух слоев
53.
Обучением называют:
a)
процедуру подстройки весовых значений
b)
процедуру подстройки сигналов нейронов
c)
процедуру вычисления пороговых значений для функций активации
54.
Нейронная сеть является обученной, если
a)
при запуске обучающих входов она выдает соответствующие обучающие выходы
b)
алгоритм обучения завершил свою работу и не зациклился
c)
при подаче на вход некоторого вектора сеть будет выдавать ответ, к какому классу векторов он принадлежит
55.
Алгоритм обратного распространения заканчивает свою работу, когда:
a)
сигнал ошибки становится ниже заданного порога
b)
величина δ становится ниже заданного порога
c)
величина Δw для каждого нейрона становится ниже заданного порога
56.
Если сеть имеет очень большое число нейронов в скрытых слоях, то:
a)
возможно переобучение сети
b)
сеть может оказаться недостаточно гибкой для решения поставленной задач
c)
время, необходимое на обучение сети, минимально
57.
Алгоритм обучения персептрона является:
a)
алгоритмом «обучения с учителем»
b)
алгоритмом "обучения без учителя"
58.
Запускаем обучающий вектор Х. В каком случае весовые значения не нужно изменять?
a)
если сигнал персептрона совпадает с правильным ответом
b)
если на выходе сеть даст 1
c)
если на выходе сеть даст 0
59.
Искусственный нейрон.
a)
имитирует основные функции биологического нейрона
b)
является моделью биологического нейрона
c)
по своей функциональности превосходит биологический нейрон
60.
Что называется обучающей выборкой для обучения персептрона?
a)
набор пар входов и выходов, используемых при обучении
b)
набор выходных векторов, являющихся точными значениями аппроксимируемой функции
c)
набор входных векторов, для которых заранее известны значения аппроксимируемой функции
61.
Подаем на вход персептрона вектор а. В каком случае весовые значения нужно увеличивать?
a)
если на выходе 0, а нужно 1
b)
если на выходе 1, а нужно 0
62.
Все ли нейроны многослойного персептрона возможно обучить?
a)
только нейроны последнего слоя
b)
только нейроны первого слоя
c)
все нейроны многослойные
63.
У машинного обучения есть ряд задач. Как называется та, что направлена на предсказание значения той или иной непрерывной числовой величины для входных данных?
a)
Регрессия
b)
Кластеризация
c)
Переобучение
d)
Классификация
64.
Нейросети хорошо проявляют себя не только в распознавании, но и в генерации изображений. Но кое с чем у них все-таки возникают проблемы. С чем именно?
a)
Форма
b)
Цвет
c)
Глубина, количество пикселей
d)
Текстуры
65.
Особых успехов нейросети достигли в работе с изображениями. Но что из этого нейросети не могут сделать?
a)
Пластическую коррекцию лица
b)
Омолаживать и состаривать лица на фотографиях
c)
Преобразовать фото в аниме
66.
Кто создал первую модель искусственных нейронных сетей?
a)
Мак-Каллок и Питтс
b)
Ян Лекун
c)
Ясос Убибу
d)
Карл Маркс
67.
Какой из видов машинного обучения основывается на взаимодействии обучаемой системы со средой?
a)
Обучение с подкреплением
b)
Обучение без учителя
c)
Обучение с учителем
d)
Глубинное обучение
68.
Допустим, нам нужно рассчитать необходимые параметры для создания обшивки самолета. Какая из областей машинного обучения нам в этом пригодится?
a)
Предсказательное моделирование
b)
Обучение ранжированию
69.
В чем заключается суть теста Тьюринга?
a)
Если машина сможет убедить человека, что тот общается с живым собеседником, значит машина мыслит
b)
Если машина сможет переиграть человека в шахматы, значит машина мыслит
70.
Что такое нейрон в (ИНС)?
a)
это элементарная структурная единица искусственной нейронной сети
b)
специальная клетка, одной из ключевых задач которой является передача
71.
Виды нейронных сетей?
a)
однослойная сеть прямого распространения, многослойная сеть прямого распространения, рекуррентная
b)
однослойная, многослойная, двухслойная
72.
Что называется обучением нейронной сети?
a)
процесс настройки синаптических весов для эффективного решения поставленной задачи
b)
процесс получения результата
73.
Что является результатом обученности нейронной сети?
a)
ошибка рано нулю
b)
ошибка рано бесконечности
74.
Какое качество делает нейронные сети популярными?
a)
способность НС выполнять различные операции
b)
способность НС обучаться
c)
способность НС изменяться
75.
Типы нейронов в составе НС:
a)
входной, скрытый, выходной
b)
истинный, ложный, неопределённы
c)
открытый, закрытый, скрытый
76.
Синапс – это
a)
связь между нейронами, каждая из которых имеет свою степень веса
b)
математическая модель, которая анализирует сложные данные, имитируя человеческий мозг, и имеет аппаратное и программное воплощение
77.
Машинное обучение -это
a)
одно из направлений ИИ, решает такие задачи, как распознавание лиц, речи и объектов
b)
одно из направлений ИИ, переводит тексты
78.
Библиотека для языка программирования Python, которая предназначена для глубокого машинного обучения
a)
Keras
b)
TenserFlow
79.
Научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности объекта к одному из классов объектов, при участии в гонке ты обгоняешь четвертого, каким становишься, сколько нейронов принадлежат персептрону
a)
Четвертым
b)
Третьим
c)
Пятым
d)
Вторым
Reset
